Twój wynik: ESI
Analiza
Wszystkie ({{dataStorage.userResults.answersTotal}})
Prawidłowe ({{dataStorage.userResults.answersGood}})
Do powtórki ({{dataStorage.userResults.answersRepeat}})
Błędne ({{dataStorage.userResults.answersBad}})
Pytanie 1
Połacz w pary
komputer odpowiednio zaprogramowany jest w istotny sposób równoważny mózgowi i może mieć stany poznawcze
Silna AI
Sztuczna inteligencja to tylko to, czego jeszcze nie potrafią zrobić sztuczne systemy.
AI
Komputer pozwala formułować i sprawdzać hipotezy dotyczące mózgu.
Słaba AI
Pytanie 2
Połacz w pary
Kiedy maszyna (agent) robi coś dobrze
AI jako „działania racjonalne”
Poszukiwanie „praw myślenia”
AI jako „myślenie ludzkie”
Przewidywanie i testowanie zachowania się istot ludzkich i identyfikacja czynności umysłowych
AI jako „myślenie racjonalne”.
Kiedy maszyna zachowuje się w sposób inteligentny
AI jako działanie ludzkie
Pytanie 3
Połacz w pary
W jaki sposób człowiek myśli i działa
Psychologia
W jaki sposób zbudować wydajne systemy, aby mogły spełniać wymagania AI?
Informatyka
W jaki sposób sztuczny byt może działać i sterować sobą?
Cybernetyka
Jak ma się język do myślenia?
Lingwistyka
Pytanie 4
Test Turinga rozstrzyga czy maszynę można zakwalifikować do:
Słabej wersji AI
Silnej wersji AI
Nie przesądza niczego
Pytanie 5
Heurystyka jest rozumiana w zagadnieniach AI jako
Umożliwia znalezienie najlepszego rozwiązania
Praktyczna strategia poprawiająca efektywność rozwiązywania złożonych problemów
Prowadzi do rozwiązania wzdłuż najkrótszej, najbardziej prawdopodobnej drogi
Podaje proste kryterium wyboru kierunków postępowania
Powinna umożliwić uniknięcie badania tzw. ślepych uliczek
Pytanie 6
Czym różnią się systemy ekspertowe od innych programów
Implementacja zewnętrznego interfejsu eksperta
Szybsze działanie od konwencjonalnych programów
Automatyczny mechanizm wnioskowania
Oddzielne logiki aplikacji od modelu
Pytanie 7
Obszary używania logiki predykatów
Inteligentne wydobycie inf (Data mining)
Automatyczne udowodnienie twierdzeń
Automatyczne sterowanie robotem
Ekspertowe systemy
Pytanie 8
Regułowa reprezentacja wiedzy przedstawiana jest w postaci
fakty if reguły
if przesłanki then konkluzja
konkluzja if przesłanki
Pytanie 9
Stwierdzenia to prosty opis bytów (czy są prawdziwe czy fałszywe) i dotyczą
cech, czynności, odczuć
zależności i związków
reguł
stanów, zdarzeń
Pytanie 10
Który element nie wchodzi w skład systemy ekspertowego
dynamiczna baza danych
baza wiedzy
interfejs użytkownika
szkielet procedur
Pytanie 11
Co zawiera baza rad?
Odnośniki do rad
Rady przydzielone do faktów
Uporządkowanie pary rad i reguł
Zbiory rad wykluczalnych
Pytanie 12
Co to jest klasyfikacja?
Traktowanie wiedzy jako przyporządkowanej informacji
Losowe łączenie narzędzi w grupy
Składanie urządzeń z podzespołów w optymalny sposób
Przyporządkowanie obiektów do danych grup ze względu na ich właściwości
Pytanie 13
Która z podanych aplikacji nie jest systemem ekspertowym?
Prospector
Domican
Mycin
Gideon
Pytanie 14
Która cecha nie pasuje do systemów ekspertowych
Wykorzystanie przetwarzania symboli
Rozwiązywanie problemów przez mechanizm wnioskowania
Jawna reprezentacja wiedzy
Ukrywanie sposobu rozwiązania danego problemu
Pytanie 15
Wiedza deklaratywna w systemach ekspertowych to
metody, algorytmy, procedury
definicje, klasyfikacje, opis pojęć, rólm relacji
opis procesów i strategii postępowania
Pytanie 16
Dopasuj rodzaj logiki dla następujących reguł?
Droga hamowania jest długa IF prędkość jest duża
rozmyta
Droga hamowania długa IF prędkość > 100
klasyczna
Pytanie 17
Niepewność wiedzy w SE definiujemy poprzez
współczynnik przynależności do zbioru
współczynnik zaufania eksperta do reguły
prawdopodobieństwo wystąpienia jakiegoś faktu
Pytanie 18
Funkcja przynależności w logice rozmytej określa
Stopień podziału zbioru rozmytego
Stopień przynależności do danej klasy
Stopień przynależności do zbioru rozmytego
Pytanie 19
Kolejność podstawowych procesów wnioskowania rozmytego to:
Rozmywanie, inferencja, Wyostrzanie
Rozmywanie, Wyostrzanie, Wnioskowanie
Rozmywanie, Wnioskowanie, inferencja
Rozmywanie, Wnioskowanie, Wyostrzanie
Pytanie 20
Dopasuj klasy zastosowań sieci neuronowych
Aproksymacja
Linearyzacja lub interpolacja sygnałów wyjściowych sieci
Klasyfikacja
nauka cech i wzorców aby rozpoznać różnice
Predykacja
określenie stanów systemu na podstawie sygnałów wejściowych
Asocjacja
Odtworzenie sygnału oryginalnego pozbawionego zniekształceń
Pytanie 21
Sieci neuronowe stosujemy w sytuacji gdy w rozwiązywaniu problemu zachodzi sytuacja, że
Częściowa znajomość reguł i małą lub średnią złożoność problemu
Mały stopień niewiedzy i małą lub średnią złożoność problemu
Całkowity brak reguł i duża złożoność problemu
Pytanie 22
Jak działa pojedynczy neuron? Która z poniższych odpowiedzi nie jest prawdziwa
Wyjścia mnożone przez wagi
Argumentem funkcji jest otrzymana suma a na wyjście przekazana jest wartośc funkcji
Wejścia mnożone przez wagi są sumowane oraz przekazane do funkcji aktywacji
Otrzymana suma jest normowana do wartości z przedziału [0,1]
Pytanie 23
Uczenie sieci neuronowej polega na
Zmianie parametrów funkcji aktywacji
Modyfikacji wag sygnałów wejściowych sieci
Modyfikacji wag i wartości sygnałów wejściowych sieci
Modyfikacji wartości sygnałów wejsciowych
Pytanie 24
Z jakiej funkcji aktywacji korzysta perceptron?
z funkcji tangesoidalnej
Z bipolarnej funkcji skokowej
z funkcji wykładniczej
z unipolarnej funkcji liniowej
Pytanie 25
Dopasuj do podanych definicji odpowiednie pojęcia
Metoda selekcji wykorzystywana w klasycznym algorytmie genetycznym
Ruletka
Tworzenie kolejnego pokolenia osobników poprzez wybór i powielenie części z nich (zwykle lepiej przystosowanych)
Selekcja
Wymiana części genotypu między dwoma osobnikami
Krzyżowanie
Losowa zmiana genotypu danego osobnika
Mutacja
Działanie modyfikujące genotyp osobnika lub całą populację
Operator genetyczny
Pytanie 26
Algorytmy generyczne pozwalają na znalezienie
Przybliżonego rozwiązania optymalnego
Dokładnego rozwiązania optymalnego
Pytanie 27
Który operator nie jest podstawowym operatorem genetycznym
Projekcja
Krzyżowanie
Inwersja
Selekcja
Pytanie 28
Dopasuj klasy metod optymalizacji i poszukiwania
Stosowanie zasad, umożliwiających ograniczenie przestrzeni poszukiwań rozwiązania
Metody heurystyczne
Przypadkowe lub metody oparte na wielokrotnym losowaniu punktu w przestrzeni i zapamiętywaniu najlepszego rozwiązania
Metody stochastyczne
Obliczanie wartości funkcji celu, przeglądając wszystkie punkty skończonej przestrzeni np. sprawdzenie po kolei wszystkich rozwiązań
Przeszukiwanie wyczerpujące
Polegające na rozwiązaniu układu równań (zazwyczaj nieliniowych) otrzymanych przez przyrównanie gradientu funkcji celu do zera
Metody analityczne
Pytanie 29
Dopasuj cechy agenta programowego do definicji
Odzwierciedla cechy mentalne agenta związane z środkami komunikacji i wyrazu
personifikacja
Pozwala na dostosowanie się do zmian w otoczeniu na podstawie doświadczenie zdobytego przez agenta
adaptacyjność
Umożliwia agentowi manifestowanie własnych stanów w postaci emocji
osobowość
Pytanie 30
Dopasuj definicje następujących pojęć
Działanie agenta bazuje na zachowaniach ludzkich, w których możemy próbować opisać agenta w oparciu o zestaw poglądów
BDI
Działanie agenta składa się z prostych operacji, takich jak wysyłanie i odbieranie komunikatów, wykonywanie działań prywatnych oraz aktualizacji modelu mentalnego
Agent_0
Pytanie 31
Dopasuj definicje następujących pojęć
Wykrywanie nieznanych prawidłowości, tworzenie analogii i modyfikowanie
Inżynieria wiedzy
Samouczenie maszynowe lub uczące się systemy
Machine learning
Tworzenie baz oraz wykorzystanie technologii semantycznych do przetwarzania
Big Data
Pytanie 32
Dopasuj rodzaje prototypów systemów ekspertowych
Charakteryzuje się szybkim działaniem
Przemysłowy
Realizuje w pełni założone zadania
Użytkowy
Przeszedł pełne testowanie
Eksploatacyjny
Realizuje pewne cząstkowe zadania
Demonstracyjny
Gotowy do produkcji w wymaganej skali
Komercyjny
Pytanie 33
Co zapewnia symboliczny zapis wiedzy
Szybsze sprawdzanie poprawności kolejnych stanów
Łatwą analizę poprawności bazy wiedzy
Uproszczone podejmowanie decyzji
Krótsze czasy przeszukiwania bazy wiedzy
Pytanie 34
Jakiego elementu nie ma w modelu pojedynczego neuronu
Funkcji aktywacji
Sumatora
Wejść i wag dla każdego z wejść
Funkcji przynależności
Pytanie 35
Na ile obszarów można podzielić przestrzeń cech wykorzystując pojedynczy perceptron o n wejściach
Na dwa obszary
Na trzy obszary
Nie jest możliwy podział
Na n obszarów
Pytanie 36
Oblicz wartość sygnału na wejściu perceptronu z bipolarną funkcją aktywacji dla wejścia poniżej
X1=2,W1=0,5
X2=3.W2,0,5
Pytanie 37
Metoda współczynników pewności zakłada
stopień prawdziwości faktu lub reguły
prawdopodobieństwo danego fakty lub reguły
oszacowanie stopnia pewności eksperta o prawdziwości danej reguły
Pytanie 38
Różnice między algorytmami genetycznymi i tradycyjnymi metodami optymalizacyjnymi.
Które stwierdzenie nie jest prawdziwe
Algorytmy genetyczne korzystają z pochodnych funkcji celu i innych pomocniczych informacji
Algorytmy genetycznie nie przetwarzają bezpośrednio parametrów zadania, lecz ich zakodowaną postać
Algorytmy genetyczne korzystają tylko z funkcji celu, nie zaś z jej pochodnych i innych pomocniczych informacji
Algorytm genetyczny stosuje probabilistyczne metody selekcji
Poszukiwanie w algorytmach genetycznych odbywa się w wielu punktach jednocześnie (populacja)
Pytanie 39
Przyporządkuj pytanie do dzidziny nauki bedącej jednym z fundamentów AI
W jaki sposób mózg przetwarza informacje
Neurobiologia
Skąd bierze się wiedza
Filozofia
Jakie sa formalne zasady wnioskowania
Matematyka
Jakie podejmowaqć decyzje maksymalizujące wyniki działań
Ekonomia
Pytanie 40
Które z poniższych zagadnień nie należą do kluczowych zagadnień AI
Rozpoznawanie obrazów
Reprezentacja wiedzy
Symulacja komputerowa
Rozpoznawanie mowy
Pytanie 41
Czy chatbot jest robotem
Fałsz
Pytanie 42
Dopasuj stosowne definicje wiedzy
W ujęciu potocznym
zbiór doświadczeń i przekonań.
w ujęciu filozoficznym
zbiór uzasadnionych przekonań
W ujęciu naukowym
zbiór uzasadnionych empirycznie lub logicznie/ matematycznie stwierdzeń
Pytanie 43
Kto jako pierwszy zaproponował dla dyscypliny określenie “Artifical Inteligence
Herber Simon
John McCarthy
Claude Shannon
Pytanie 44
Które niżej wymienionych metod należą do symbolicznych metod reprezentacji wiedzy
Metody oparte na ramach
Ontologie
Metody oparte na algorytmach genetycznych
Metody bazujące na zastosowaniu logiki
Pytanie 45
Jaki typ wiedzy reprezentuje baza modeli
Logiczny
Wyjaśniający
Informatyczny
Matematyczny
Pytanie 46
Jakie są rodzaje wnioskowania w systemach ekspertowych
w głąb
w bok
Do tyłu
mieszane
w przód
Pytanie 47
Logika rozmyta odzwierciadla sposób w jaki “myślą
systemy
ludzie
maszyny
Pytanie 48
Stopniowanie rozmywania pojęć np. długi, bardzo długi itp. modelujemy poprzez
Zmianę wartości wykładnika w wykładniczej funkcji przynależności
Zmianę wartości podstawy w wykładniczej funkcji przynależności
Pytanie 49
Dopasuj elementy obliczeń neuronowych do przetwarzania klasycznego
Przetwarzanie sekwencyjne:
obliczenia równoległe
Załadowanie programu do pamięci operacyjnej
rozproszenie wartości wag i progów
Pytanie 50
Budowa sieci neuronowej. Wybierz odpowiedź, która nie jest prawdziwa.
Sieć neuronowa składa się z pojedynczej warstwy wejściowej
Sieć neuronowa składa się N warstw ukrytych
Sieć neuronowa składa się z pojedynczej warstwy wyjściowej
Liczba neuronów warstwie wyjściowej zależy od liczby atrybutów decyzyjnych
Liczba neuronów w warstwie wejściowej nie zależy od liczby atrybutów warunkowych w warstwie ukrytej
Pytanie 51
Algorytm uczenia sieci neuronowych jest oparty na
wstecznej wag
wstecznej propagacji błędów
wstecznej propagacji błędów i wag
Pytanie 52
Nauczanie sieci neuronowej z zastosowaniem algorytmu wstecznej propagacji błedu wymaga aby
funkcja aktywacji była
liniowa
ciągła
różniczkowalna
nieliniowa
Pytanie 53
Przedstaw paradygmaty podejścia agentowego
Możliwość samoreplikacji agentów
Wyspecjalizowany i odporny na błędy samodzielny obiekt
Rezyduje w cyberprzestrzeni jak klasyczny obiekt
Działa w zastępstwie swoich właścicieli
Abstrakcyjna forma programowania obiektowego
Pytanie 54
Kolejnośc procesów w algorytmie genetycznym to
Generowanie populacji, wykonanie operatorów genetycznych, ocena populacji
Ocena nowej populacji, wykonanie operatorów genetycznych, generowanie populacji
Generowanie populacji, ocena populacji, wykonanie operatorów genetycznych
Pytanie 55
Kto zajmuje się ekstrakcją wiedzy od ekspertów
Inżynierowie systemów
Kogniwistycy
Inżynierowie wiedzy
Programiści
Pytanie 56
Jakie systemy mają najszersze zastosowanie
Autonomiczne
Podejmujące decyzje bez kontroli człowieka
Krytykujące
Doradcze
Pytanie 57
Jezeli funkcja przynalezności do zbioru rozmytego wynosi µA(x), i odpowiednio dla zbioru B ), µB(x), to
Koniunkcja A i B wynosi
iloczyn
Alternatywa A i B wynos
suma
Pytanie 58
Gdzie najczęściej stosujemy systemy ekspertowe?
Na potrzeby krótkotrwałe
W dziedzinach niesformalizowanych w sposób jednoznaczny
W sytuacjach wymagających intuicyjnego działania
Tam gdzie konieczne jest rozumowanie heurystyczne
Pytanie 59
Jaka część systemu może komunikować się z dynamiczną bazą wiedzy
Interfejs użytkownika
Procedury wyjścia
System wnioskujący
Plik z faktami
Pytanie 60
Co w ogólnej formule wnioskowania P1^P2^ ^Pn -> W oznacza P
Procedury
Połączenia
Przesłanki
Pobieranie